Gemini 3.1 Flash Lite vs Muse Ember
完整资料:Gemini 3.1 Flash Lite(Google)和 Muse Ember(Meta),包括全部基准测试、价格和排名。
更新于 · 数据来自 10 个来源
截至 2026年11月16日,Gemini 3.1 Flash Lite 与 Muse Ember 的质量不相上下(BenchLeader Index 52.6 比 52.1,在 ±6.3 的误差范围内)。Muse Ember 更便宜,对方的价格是它的 2.8 倍(每百万 token 混合价格 $0.200 比 $0.563)。在两者都有成绩的所有类别中,Muse Ember 均领先。Muse Ember 输出更快。
要点(截至 2026年11月16日)
- Gemini 3.1 Flash Lite 的 BenchLeader Index 为 52.6,Muse Ember 为 52.1(BenchLeader,2026年11月16日)。
- Gemini 3.1 Flash Lite 每百万 token 混合价格为 $0.563(标价,2026年11月16日)。
- Muse Ember 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
- Muse Ember 比 Gemini 3.1 Flash Lite 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 13 项基准测试中,Muse Ember 领先 12 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Gemini 3.1 Flash Lite 的评分为 1256,Muse Ember 为 1609(LMArena,截至 2026年11月16日 的公布数据)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
| 用途 | 推荐 | 理由 | 置信度 |
|---|---|---|---|
| 编程 | Muse Ember | 类别得分 60 比 43;Arena WebDev 1609 比 1256 | 高 |
| 智能体与工具调用 | Muse Ember | 类别得分 52 比 43;AutomationBench 68.1% 比 6.8% | 高 |
| 推理 | Muse Ember | 类别得分 51 比 41;HLE-Diamond (AA) 25.1% 比 9.0% | 高 |
| 知识 | Muse Ember | 类别得分 49 比 44;AA-Omniscience v1.1 7.4 比 -24.1 | 中 |
| 对话质量(人类偏好) | – | 只有 Gemini 3.1 Flash Lite 有 Arena 评分(类别得分 61) | 无法比较 |
| 成本最低 | Muse Ember | 每百万 token 混合价格 $0.200 比 $0.563;智能体编程会话 $0.008 比 $0.021 | – |
| 首次回答最快 | Gemini 3.1 Flash Lite | 首个回答 token 3.5 秒(Gemini 3.1 Flash Lite)比 5.0 秒(Muse Ember (max)) | – |
| 低预算大批量 | 两者都不选 | 通常更小的模型更合适:便宜好用的大模型、最快的大模型 | – |
主要差异
- Gemini 3.1 Flash Lite 与 Muse Ember (max) 的质量不相上下(52.6 比 52.1,在 ±6.3 的误差范围内)。
- Muse Ember (max) 在智能体与工具、编程、知识、推理方面更强。
- Muse Ember (max) 更便宜,对方的价格是它的 2.8 倍(每百万 token 混合价格 $0.200 比 $0.563)。
- Muse Ember (max) 的输出速度是对方的 1.4 倍(437 比 301 token/秒)。
概览
| 规格 | Gemini 3.1 Flash Lite | Muse Ember |
|---|---|---|
| 提供商 | Meta | |
| 发布日期 | 2026年3月3日 | 2026年11月9日 |
| 上下文窗口(token) | 1,048,576 | 1,048,576 |
| 对比时的配置 | Gemini 3.1 Flash Lite | Muse Ember (max) |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.250 / $1.50 / $0.025 | $0.100 / $0.500 / $0.0040 |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | Gemini 3.1 Flash Lite | Muse Ember (max) | 领先者 |
|---|---|---|---|
| 推理 | 41.3 | 51.1 | Muse Ember |
| 编程 | 42.6 | 60.0 | Muse Ember |
| 智能体与工具 | 43.1 | 52.4 | Muse Ember |
| 数学 | 61.3 | – | 无法比较 |
| 知识 | 44.2 | 48.8 | Muse Ember |
| 指令遵循 | 62.7 | – | 无法比较 |
| 人类偏好 | 61.2 | – | 无法比较 |
| 多模态 | 57.7 | – | 无法比较 |
| 长上下文 | 61.7 | – | 无法比较 |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 13 项基准测试中,Gemini 3.1 Flash Lite 领先 1 项,Muse Ember 领先 12 项。所有同时评测两者的综合评分都认为 Muse Ember 更强。
| 综合 Index | Gemini 3.1 Flash Lite | Muse Ember (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 52.6 | 52.1 | 不相上下 |
| AA Intelligence Index v5.0.1 | 6.2 | 36.0 | Muse Ember |
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | Gemini 3.1 Flash Lite | Muse Ember (max) |
|---|---|---|
| 每百万 token 混合价格 | $0.563 | $0.200 |
| 每百万 token 输入 / 输出 | $0.250 / $1.50 | $0.100 / $0.500 |
| 每百万 token 缓存输入 | $0.025 | $0.0040 |
| 每项任务价格:聊天回复 | $0.0006 | $0.0002 |
| 每项任务价格:总结一份 30 页的报告 | $0.0039 | $0.0015 |
| 每项任务价格:代码编辑 | $0.0038 | $0.0014 |
| 每项任务价格:智能体编程会话 | $0.021 | $0.0080 |
| 每项任务价格:结构化信息提取 | $0.0008 | $0.0003 |
| 智能体编程会话(输入大多命中缓存) | $0.011 | $0.0037 |
| 每项基准测试任务成本(AA Index) | $0.194 | $0.136 |
| 每项任务输出 token(AA Index) | 16k | 84k |
| 其中推理部分 | 11k | 52k |
| 每项任务耗时(AA Index) | 53 s | 3 min |
| 输出速度 | 301 tok/s | 437 tok/s |
| 首次回答时间 | 3.5 秒 | 5.0 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 7.5 秒 | 12.9 秒 |
按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Gemini 3.1 Flash Lite 上花费 $0.194,在 Muse Ember (max) 上花费 $0.136;完成同样的工作,Muse Ember (max) 输出的 token 是对方的 5.3 倍,这是只看 token 单价看不出来的。
每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.1 Flash Lite 得分 52.6,首个回答 token 需 4 秒;Gemini 3.1 Flash Lite (high) 为 48.4(4 秒)。Muse Ember (max) 得分 52.1,首个回答 token 需 5 秒;Muse Ember (xhigh) 为 49.1(4 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 104 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | Gemini 3.1 Flash Lite | Muse Ember (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 52.6 | 52.1 |
| 智能体与工具得分 | BenchLeader | 43.1 | 52.4 |
| 编程得分 | BenchLeader | 42.6 | 60.0 |
| 人类偏好得分 | BenchLeader | 61.2 | – |
| 指令遵循得分 | BenchLeader | 62.7 | – |
| 知识得分 | BenchLeader | 44.2 | 48.8 |
| 长上下文得分 | BenchLeader | 61.7 | – |
| 数学得分 | BenchLeader | 61.3 | – |
| 多模态得分 | BenchLeader | 57.7 | – |
| 推理得分 | BenchLeader | 41.3 | 51.1 |
| 混合价格(美元/百万 token) | BenchLeader | $0.563 | $0.200 |
| 输出速度 | BenchLeader | 301 tok/s | 437 tok/s |
| 首次回答时间 | BenchLeader | 3.5 秒 | 5.0 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 81.8%† | – |
| Humanity's Last Exam | Scale AI / CAIS | 8.6% | – |
| SimpleBench | SimpleBench | – | 72.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1445 | – |
| GPQA Diamond (AA) | Artificial Analysis | 82.2% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 17.2% | – |
| HLE-Diamond (AA) | Artificial Analysis | 9.0% | 25.1% |
| GPQA Diamond (Vals) | Vals AI | 81.1%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 67.2% | – |
| CritPt | Artificial Analysis | 1.1% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 3.0% | 39.0% |
| Arena Expert | Arena (LMArena) | 1445 | – |
| LMCA | Epoch AI Benchmarking Hub | 35.0%† | – |
| DTBench | Epoch AI Benchmarking Hub | 76.8%† | – |
| ForecastBench | ForecastBench | 62.6% | – |
| 编程 | |||
| SciCode | SciCode | 43.4% | – |
| WeirdML | WeirdML | 52.2% | – |
| Arena Coding | Arena (LMArena) | 1458 | – |
| Arena WebDev | Arena (LMArena) | 1256 | 1609 |
| LiveCodeBench | Vals AI | 80.1% | – |
| SWE-bench (Vals) | Vals AI | 62.8%† | – |
| Code Migration | Vals AI | 4.6%† | – |
| ProgramBench | Vals AI | 0.0%† | – |
| Vibe Code Bench v1.1 | Vals AI | 0.0%† | 83.7% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 56.0%† |
显示全部 104 项基准测试
| 指标 | 发布方 | Gemini 3.1 Flash Lite | Muse Ember (max) |
|---|---|---|---|
| 编程 | |||
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 61.3%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 56.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 50.0%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 797.7 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 0.5% | 40.9% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 31.1% | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 15.4† | – |
| Design Arena Website | Design Arena | 1074 | 1330† |
| FrontierCode 2.0 (AA) | Artificial Analysis | 0.6% | 27.2% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | – | 30.6%† |
| APEX-Agents | Mercor | – | 64.3%† |
| Arena Agent | Arena (LMArena) | – | 1.7 |
| Terminal-Bench Hard | Artificial Analysis | 24.2% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 31.3% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 34.1%† | – |
| MCP Atlas | Scale AI SEAL | 57.1%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 438 | – |
| τ³-Banking (AA) | Artificial Analysis | 9.7% | – |
| Analyst Agent (AA) | Artificial Analysis | 8.8% | – |
| APEX-Agents (AA) | Artificial Analysis | 12.2% | – |
| Finance Agent v2 | Vals AI | 30.0%† | – |
| Finance Agent v2.1 | Vals AI | – | 63.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 25.0% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0%† | – |
| Legal Research Bench | Vals AI | 3.4%† | 49.0% |
| Tax Agent Bench | Vals AI | 3.1%† | 38.2% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 24.7%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 39.4% |
| Arena Agent Task Completion | Arena (LMArena) | – | -7.6 |
| DeepResearch Bench | DeepResearch Bench | 36.4% | – |
| AutomationBench | Artificial Analysis | 6.8% | 68.1% |
| GDP.pdf (AA) | Artificial Analysis | 7.8% | 22.8% |
| EnterpriseOps-Gym | Artificial Analysis | 28.0% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 208 | 1520 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 0.0% | 20.0% |
| BrowseComp | OpenAI | 1.1% | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 27.7%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 80.0%† | – |
| AIME (Vals) | Vals AI | 83.3%† | – |
| Arena Maths | Arena (LMArena) | 1436 | – |
| 知识 | |||
| AA-Omniscience v1.1 | Artificial Analysis | -24.1 | 7.4 |
| MMLU-Pro | Vals AI | 86.2% | – |
| LegalBench | Vals AI | 83.8%† | – |
| CorpFin | Vals AI | 59.4%† | – |
| TaxEval | Vals AI | 71.8%† | – |
| MultiNRC | Scale AI SEAL | 25.0% | – |
| CaseLaw v2 | Vals AI | 55.0%† | – |
| Excel Modeling Benchmark | Vals AI | 8.6%† | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 72.2% |
| MedCode | Vals AI | 47.6%† | – |
| MedScribe | Vals AI | 63.9%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 31.7% | 21.1% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 18.3% | 82.6% |
| 指令遵循 | |||
| IFBench | Artificial Analysis | 77.2% | – |
| MultiChallenge | Scale AI SEAL | 60.6% | – |
| TutorBench | Scale AI SEAL | 51.5% | – |
| Arena Instruction Following | Arena (LMArena) | 1409 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1433 | – |
| Arena Creative Writing | Arena (LMArena) | 1415 | – |
| Arena Multi-turn | Arena (LMArena) | 1435 | – |
| Arena Longer Queries | Arena (LMArena) | 1430 | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1240 | – |
| MMMU-Pro | Artificial Analysis | 75.5% | – |
| VISTA | Scale AI SEAL | 46.9% | – |
| MMMU-Pro (Vals) | Vals AI | 82.5%† | – |
| MortgageTax | Vals AI | 68.0%† | – |
| GeoBench | GeoBench | 83.0% | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 74.3% | – |
| MLCR | Artificial Analysis | 5.0% | 18.3% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 145.0 | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 6.2 | 36.0 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 15.6 | – |
| AA Progress Index v1 | Artificial Analysis | 244.1 | – |
| Vals Index | Vals AI | – | 60.5 |
| Vals Finance Index | Vals AI | – | 60.9% |
| Vals Multimodal Index | Vals AI | 41.4%† | – |
| Vals Legal Index | Vals AI | – | 75.7% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 51.0% | 11.9%† |
| MASK | Scale AI SEAL | 48.4% | – |
数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
变化
- Gemini 3.1 Flash Lite:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Muse Ember (max):1 项新结果(Arena Agent)。
- Gemini 3.1 Flash Lite:1 项新结果(GeoBench)。
- Muse Ember (max):2 项新结果(MLCR, Arena WebDev)。
- Gemini 3.1 Flash Lite:BenchLeader Index 53.2 → 52.4。
- Gemini 3.1 Flash Lite:3 项新结果(AA Intelligence Index v5.0.1, CritPt v2 hard subset (AA), FrontierCode 2.0 (AA));1 项分数修订。
- Gemini 3.1 Flash Lite:BenchLeader Index 54.4 → 53.2。
- Gemini 3.1 Flash Lite:5 项新结果(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。
- Gemini 3.1 Flash Lite:1 项新结果(AA Progress Index v1)。
- Gemini 3.1 Flash Lite:BenchLeader Index 54.9 → 54.4。
相关对比
- Muse Ember vs Muse Spark Open 816B A42B
- Muse Ember vs Mistral Large 4
- Muse Ember vs Inkling Small
- Muse Ember vs Qwen3.5-27B
- Muse Ember vs Gemma 4 31B
排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型
Gemini 3.1 Flash Lite vs Muse Ember:常见问题
- Gemini 3.1 Flash Lite 比 Muse Ember 更好吗?
- Gemini 3.1 Flash Lite 与 Muse Ember (max) 的质量不相上下(52.6 比 52.1,在 ±6.3 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
- Gemini 3.1 Flash Lite 和 Muse Ember 哪个更便宜?价格会变吗?
- 目前 Muse Ember 更便宜:每百万 token $0.200 比 $0.563(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
- 编程用 Gemini 3.1 Flash Lite 还是 Muse Ember 更好?
- Muse Ember 在编程方面得分更高(类别得分 60 比 43,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 3.1 Flash Lite 为 1256,Muse Ember 为 1609。
- Gemini 3.1 Flash Lite 和 Muse Ember 哪个更快?
- Muse Ember 输出更快(输出 437 比 301 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Gemini 3.1 Flash Lite 还是 Muse Ember 更好?
- Muse Ember 在智能体任务方面得分更高(类别得分 52 比 43,50 为平均水平)。
更多问题(4)
- 处理长文档哪个更好?
- 两者都支持 1,048,576 token 的上下文。
- 哪个延迟更低?
- Gemini 3.1 Flash Lite 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 3.5 秒比 5.0 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
- 第三方基准测试对 Gemini 3.1 Flash Lite 和 Muse Ember 的看法一致吗?
- 在两者都有结果的 13 项基准测试中,Gemini 3.1 Flash Lite 领先 1 项,Muse Ember 领先 12 项。所有同时评测两者的综合评分都认为 Muse Ember 更强。
- Muse Ember 是什么时候发布的?
- Muse Ember 于 2026年11月9日 发布。